Valores de intensidade

Análise de Imagens Biomédicas em Python

Stephen Bailey

Instructor

Pixels e voxels

Pixels são elementos de imagem 2D
Voxels são elementos de volume 3D
Duas propriedades: intensidade e localização

raio-x do pé

Tipos de dados e tamanho da imagem

O tipo de dado do array controla o intervalo possível de intensidades

Type	Range	No. Val.
uint8	0, 255	256
int8	- 128, 127	256
uint16	0, 2$^{16}$	2$^{16}$
int16	-2$^{15}$, 2$^{15}$	2$^{16}$
float16	~-2$^{16}$, ~2$^{16}$	>>2$^{16}$

import imageio.v2 as imageio

im=imageio.imread('foot-xray.jpg')

im.dtype
    dtype('uint8')

im.size

im_int64 = im.astype(np.uint64)
im_int64.size

Histogramas

Histogramas: contam quantos pixels há em cada valor de intensidade.
Implementado em scipy.ndimage
- arrays de alta dimensão
- dados mascarados
Técnicas e recursos avançados em scikit-image.

plt.plot(hist)
plt.show()

import scipy.ndimage as ndi

hist=ndi.histogram(im, min=0, 
                       max=255,
                       bins=256)

hist.shape

(256,)

Histograma

Equalização

Distribuições costumam ser enviesadas para baixas intensidades (valores de fundo).
Equalização: redistribuir valores para usar melhor todo o intervalo de intensidades.
Função de distribuição cumulativa: (CDF) mostra a proporção de pixels em um intervalo.

Hist+CDF

Equalização

import scipy.ndimage as ndi
hist = ndi.histogram(im, min=0, 
                         max=255,
                        bins=256)

cdf = hist.cumsum() / hist.sum()
cdf.shape

(256,)

im_equalized = cdf[im] * 255

fig, axes = plt.subplots(2, 1)
axes[0].imshow(im)
axes[1].imshow(im_equalized)
plt.show()

imagem equalizada

Vamos praticar!

Análise de Imagens Biomédicas em Python